数据相似度匹配问题-CSDN论坛

数据相似度匹配问题

.NET技术 > C#

收藏回复

[问题点数：200分，结帖人whb147]

⋅今天开年会，散点分，攒点人品，去年中了一个空气净化器，呵呵（二） ⋅今天开年会，散点分，攒点人品，去年中了一个空气净化器，呵呵（三） ⋅再散300，不行就算了，嘿嘿 更多帖子 关注私信空间博客 whb147 等级 本版专家分：11255 结帖率 100%: 需求，2组数据
基本数据：
微软（中国）有限公司
北京三立众合科技发展有限责任公司
合肥铭云软件科技有限公司
慧舟软件技术（上海）有限公司
昆明海惠通科技有限公司
深圳市奥怡轩实业有限公司
无锡艾斯科信息技术有限公司
厦门市领航科技有限公司
青岛北兴电子科技有限公司

需要匹配的数据：
无锡艾斯科信息技术
厦门市领航科技有限公司
北兴电子科技有限公司
北京艾提
北京迈拓晨峰科技发展有限公司
宁波胜达高科信息工程有限公司

用需要匹配的数据去基本数据库里查询匹配相似度最高的记录
我现在的做法是把一些区域性的字符都去掉，还有一些什么有限公司的字符都去掉，只保留关键字
然后逐字匹配，逐个字的拼音进行匹配

这样就会有北京XXX公司和上海XXX公司前完全匹配，其实这是2个完全不一样的公司
不知道大家还有什么方法
比如分词匹配（有免费的分词组件吗？）

谢谢

2010-01-27 10:25:02

点赞只看楼主引用举报楼主收起

展开阅读全文

⋅webuploader控件在IE8下没反应 ⋅攒人品, 抢红米 ⋅我日, 我就不信抢不到红米 更多帖子 关注私信空间博客 ruanwei1987 等级 本版专家分：9230: 楼主你看可以不可以这样  用一个减其他的

返回0就是完全匹配啊

我觉得用拼音没有意义

还不如用汉字匹配呢

当然如果都加上匹配度更高

2010-01-27 10:32:08

点赞只看TA 引用举报 #1得分 10

⋅今天开年会，散点分，攒点人品，去年中了一个空气净化器，呵呵（二） ⋅今天开年会，散点分，攒点人品，去年中了一个空气净化器，呵呵（三） ⋅再散300，不行就算了，嘿嘿 更多帖子 关注私信空间博客 whb147 等级 本版专家分：11255: 因为有些谐音的
所以加了拼音匹配，做双重匹配

大家都用什么做分词？

2010-01-27 10:58:46

点赞只看TA 引用举报 #2得分 0

⋅c#调用c++ dll：方法的类型签名与PInvoke不兼容！！！！ 更多帖子 关注私信空间博客 longhair9711 等级 本版专家分：1007: 顶

2010-01-27 10:59:40

点赞只看TA 引用举报 #3得分 5

⋅无向图中的所有环 ⋅求二叉树的次深度 ⋅Winsocket recv 乱码问题 更多帖子 关注私信空间博客 vssvss 等级 本版专家分：1611: 我最近在做电话区号的匹配跟你差不多我也正烦着呢
关注中

2010-01-27 11:03:33

点赞只看TA 引用举报 #4得分 5

⋅今天开年会，散点分，攒点人品，去年中了一个空气净化器，呵呵（二） ⋅今天开年会，散点分，攒点人品，去年中了一个空气净化器，呵呵（三） ⋅再散300，不行就算了，嘿嘿 更多帖子 关注私信空间博客 whb147 等级 本版专家分：11255: 最近在看分词，准备做一个行业分词，
然后再匹配
这样是否就好点了

2010-01-27 12:46:25

点赞只看TA 引用举报 #5得分 0

⋅今天的帖子很多看不到，又是错误 ⋅郁闷,这几天分值增加了很多又减少好几百分，也没人解释 ⋅MVP 散分 更多帖子 关注私信空间博客 wuyq11 等级 本版专家分：815856 勋章 名人 2019年荣获名人称号 2012年荣获名人称号 状元 2010年总版技术专家分年内排行榜第一 2009年总版技术专家分年内排行榜第一 榜眼 2011年总版技术专家分年内排行榜第二 金牌 2011年3月总版技术专家分月排行榜第一 2011年2月总版技术专家分月排行榜第一 2011年1月总版技术专家分月排行榜第一 2010年12月总版技术专家分月排行榜第一 2010年11月总版技术专家分月排行榜第一 2010年10月总版技术专家分月排行榜第一 2010年9月总版技术专家分月排行榜第一 2010年8月总版技术专家分月排行榜第一 2010年7月总版技术专家分月排行榜第一 2010年6月总版技术专家分月排行榜第一 2010年5月总版技术专家分月排行榜第一 2010年3月总版技术专家分月排行榜第一 2010年4月总版技术专家分月排行榜第一 2010年2月总版技术专家分月排行榜第一 2010年1月总版技术专家分月排行榜第一 2009年12月总版技术专家分月排行榜第一 2009年11月总版技术专家分月排行榜第一 2009年10月总版技术专家分月排行榜第一 2009年8月总版技术专家分月排行榜第一 2009年7月总版技术专家分月排行榜第一 2009年6月总版技术专家分月排行榜第一: 中文分词
LD算法

2010-01-27 12:50:07

点赞只看TA 引用举报 #6得分 50

⋅问两个有关Access 查询的小问题，谢谢! ⋅请教两个Access 查询的小问题 ⋅问一个Left join的问题 更多帖子 关注私信空间博客 guyehanxinlei 等级 本版专家分：8657: 帮顶

2010-01-27 13:09:32

点赞只看TA 引用举报 #7得分 5

⋅webuploader控件在IE8下没反应 ⋅攒人品, 抢红米 ⋅我日, 我就不信抢不到红米 更多帖子 关注私信空间博客 ruanwei1987 等级 本版专家分：9230: 引用 6 楼 wuyq11 的回复:
中文分词
LD算法

人生给的这个博客写的不错学习了谢谢人生！！

2010-01-27 17:20:07

点赞只看TA 引用举报 #8得分 20

⋅关于 asp.net Ajax UpdatePanel window.onload问题 ⋅共享 http://www.mybuffet.cn 的 asp.net 源码(c#) ⋅我的网站 http://www.mystruggle.com.cn http://www.mybuffet.cn 更多帖子 关注私信空间博客 wangminqi 等级 本版专家分：1914: 试试我这个,但没拼音的

create  function Comparability(@a varchar(1000),@b varchar(1000))
RETURNS int
begin
declare @al int,@bl int,@i int,@ac int,@bc int
select @al=len(@a),@bl=len(@b),@i=1,@ac=0,@bc=0

while @i<=@al
begin
    if charindex(substring(@a,@i,1),@b)>0
      select @ac=@ac+1
    select @i=@i+1
end

select @i=1

while @i<=@bl
begin
    if charindex(substring(@b,@i,1),@a)>0
      select @bc=@bc+1
    select @i=@i+1
end

  return (@ac+@bc)*100/(@al+@bl)
end
go

select dbo.Comparability('^_^谢客气','^^谢谢气')

go
create table a
(
a varchar(100)
)
go
insert into a
select
'微软（中国）有限公司'
union
select
'北京三立众合科技发展有限责任公司'
union
select
'合肥铭云软件科技有限公司'
union
select
'慧舟软件技术（上海）有限公司'
union
select
'昆明海惠通科技有限公司'
union
select
'深圳市奥怡轩实业有限公司'
union
select
'无锡艾斯科信息技术有限公司'
union
select
'厦门市领航科技有限公司'
union
select
'青岛北兴电子科技有限公司'

go

create table b
(
b varchar(100)
)
go
insert into b
select
'无锡艾斯科信息技术'
union select
'厦门市领航科技有限公司'
union select
'北兴电子科技有限公司'
union select
'北京艾提'
union select
'北京迈拓晨峰科技发展有限公司'
union select
'宁波胜达高科信息工程有限公司'
go
select * from
(
select a.a,b.b ,dbo.Comparability(a.a,b.b) as xsd
from a join b on 1=1
) as ab
order by xsd desc

http://www.mybuffet.cn

2010-01-27 19:03:25

点赞只看TA 引用举报 #9得分 50

⋅关于 asp.net Ajax UpdatePanel window.onload问题 ⋅共享 http://www.mybuffet.cn 的 asp.net 源码(c#) ⋅我的网站 http://www.mystruggle.com.cn http://www.mybuffet.cn 更多帖子 关注私信空间博客 wangminqi 等级 本版专家分：1914: 结果如下：

厦门市领航科技有限公司厦门市领航科技有限公司 100
青岛北兴电子科技有限公司北兴电子科技有限公司 90
无锡艾斯科信息技术有限公司无锡艾斯科信息技术 81
北京三立众合科技发展有限责任公司北京迈拓晨峰科技发展有限公司 66
昆明海惠通科技有限公司北兴电子科技有限公司 57
厦门市领航科技有限公司北兴电子科技有限公司 57
合肥铭云软件科技有限公司北兴电子科技有限公司 54
昆明海惠通科技有限公司厦门市领航科技有限公司 54
北京三立众合科技发展有限责任公司北兴电子科技有限公司 53
青岛北兴电子科技有限公司北京迈拓晨峰科技发展有限公司 53
无锡艾斯科信息技术有限公司北兴电子科技有限公司 52
青岛北兴电子科技有限公司厦门市领航科技有限公司 52
合肥铭云软件科技有限公司厦门市领航科技有限公司 52
无锡艾斯科信息技术有限公司宁波胜达高科信息工程有限公司 51
无锡艾斯科信息技术有限公司厦门市领航科技有限公司 50
昆明海惠通科技有限公司北京迈拓晨峰科技发展有限公司 48
厦门市领航科技有限公司北京迈拓晨峰科技发展有限公司 48
合肥铭云软件科技有限公司北京迈拓晨峰科技发展有限公司 46
无锡艾斯科信息技术有限公司北京迈拓晨峰科技发展有限公司 44
北京三立众合科技发展有限责任公司厦门市领航科技有限公司 44
深圳市奥怡轩实业有限公司厦门市领航科技有限公司 43
慧舟软件技术（上海）有限公司北兴电子科技有限公司 41
微软（中国）有限公司北兴电子科技有限公司 40
厦门市领航科技有限公司宁波胜达高科信息工程有限公司 40
昆明海惠通科技有限公司宁波胜达高科信息工程有限公司 40
慧舟软件技术（上海）有限公司厦门市领航科技有限公司 40
微软（中国）有限公司厦门市领航科技有限公司 38
青岛北兴电子科技有限公司宁波胜达高科信息工程有限公司 38
合肥铭云软件科技有限公司宁波胜达高科信息工程有限公司 38
深圳市奥怡轩实业有限公司北兴电子科技有限公司 36
慧舟软件技术（上海）有限公司北京迈拓晨峰科技发展有限公司 35
微软（中国）有限公司北京迈拓晨峰科技发展有限公司 33
北京三立众合科技发展有限责任公司宁波胜达高科信息工程有限公司 33
微软（中国）有限公司宁波胜达高科信息工程有限公司 33
深圳市奥怡轩实业有限公司宁波胜达高科信息工程有限公司 30
深圳市奥怡轩实业有限公司北京迈拓晨峰科技发展有限公司 30
慧舟软件技术（上海）有限公司宁波胜达高科信息工程有限公司 28
北京三立众合科技发展有限责任公司北京艾提 20
厦门市领航科技有限公司无锡艾斯科信息技术 20
昆明海惠通科技有限公司无锡艾斯科信息技术 20
青岛北兴电子科技有限公司无锡艾斯科信息技术 19
合肥铭云软件科技有限公司无锡艾斯科信息技术 19
慧舟软件技术（上海）有限公司无锡艾斯科信息技术 17
北京三立众合科技发展有限责任公司无锡艾斯科信息技术 16
青岛北兴电子科技有限公司北京艾提 12
无锡艾斯科信息技术有限公司北京艾提 11
厦门市领航科技有限公司北京艾提 0
深圳市奥怡轩实业有限公司北京艾提 0
微软（中国）有限公司北京艾提 0
合肥铭云软件科技有限公司北京艾提 0
慧舟软件技术（上海）有限公司北京艾提 0
昆明海惠通科技有限公司北京艾提 0
深圳市奥怡轩实业有限公司无锡艾斯科信息技术 0
微软（中国）有限公司无锡艾斯科信息技术 0

http://www.mybuffet.cn

2010-01-27 19:05:07

点赞只看TA 引用举报 #10得分 0

1 2 3

收起

收藏回复

whb147

等级：

关注私信 TA的帖子

数据库中根据相似度匹配相似题目: # -*- coding: utf-8 -*- """ Created on Mon Feb 5 13:41:23 2018 @author: loka """ import pandas as pd import pymysql import pymysql as mdb ...#连接数据库...

数据相似性的度量方法总结: 现实中，我们需要处理的数据具有着不同...针对这些不同形式的数据，不可能找到一种具备普遍意义的相似性度量算法，甚至可以说，每种类型的数据都有它对应的相似度度量标准。这些标准很多，也比较杂乱，有必要作以总结。

【机器学习】几种相似度算法分析: 最近开始研究推荐系统，其中常见的相似度算法有以下几种：1. 欧几里得距离欧几里得度量（euclidean metric）（也称欧氏距离）是一个通常采用的距离定义，指在m维空间中两个点之间的真实距离，或者向量的自然长度（即...

数据的相似性和相异性的度量: 邻近度度量有很多，比如相关和欧几里得距离（在时间序列这样的稠密数据或者二维点用到）、余弦相似度和Jaccard系数（文档类稀疏数据）。我们接下来简明扼要地来探讨梳理一下。本文讲解的目录是：一、相异度二...

名称相似度匹配算法（文本相似度匹配）: 在处理数据时，有时需要找出数据中存在错误的数据或者对数据进行去重。对数据去重，如果存储在数据库中，我想一个sql就可以搞定，可是要找出数据中错误的数据，就比较困难，一般只能人工判断。举例：比如有一批账单...

PHP如何做数据的相似度匹配: 业务场景: 假设提交一份题目数据，如何在数据库题库中找到和提交的数据相识度最高的题目（提交的题目数据数据库可能没有完全一样的，）有大神说一下思路吗

中文文本相似度匹配算法: 中文文本相似度匹配算法 simHash 海明距离 IK分词完整的可运行的示例代码包含simHash 算法，使用IK 对中文文本进行分词处理

图像相似度匹配——距离大全: 介绍各种距离，包括欧氏距离、曼哈顿距离、余弦距离、皮尔逊相关系数等，最后使用scipy.spatial.distance库或利用Keras预训练模型进行图像相似度匹配

Java实现相似度匹配算法: * 相似度匹配算法 * （据说）由俄国人Vladimir Levenshtein在1965年发明 * 原理：返回将第一个字符串转换(删除、插入、替换)成第二个字符串的编辑次数。 * 次数越少，意味着字符串相似度越高 */ public ...

mysql数据相似度算法_相似度计算方法: 问题定义：有两个对象X,Y,都包含N维特征，X=(x1,x2,x3,...,xn),Y=(y1,y2,y3,...,yn),计算X和Y的相似性。闵可夫斯基距离(Minkowski Distance)#曼哈顿距离(Manhattan Distance)#p=1时，闵可夫斯基距离就是曼...

自然语言处理 | (30) 文本相似度计算与文本匹配问题: 目录 1. 文本相似度问题与应用 ...文本相似度问题包含：词与词、句与句、段落与段落、篇章与篇章之间的相似度问题；以及词与句、句与段落、段落与篇章等之类的相似度问题，这里的相似指的是语义...

海量文本相似度匹配: 1 词与词之间的匹配（主要用于分词，单词补全，模板匹配） 1.1 一对一 KMP 1.2一对多前缀树 1.3多对多给一个字典，再给一个m长的文本（m长的文本里面包含很多的词），问这个文本里出现了字典里的哪些字。 ...

中文相似度匹配算法: 字符串相似度算法被应用于许多计算场景，在诸如数据清洗，用户输入纠错，推荐系统，剽窃检测系统，自动评分系统，以及网页搜索和DNA序列匹配这些方向都有着十分广泛的应用。常见的字符串相似度算法包括编辑...

外包的奇怪需求？需要Mysql按照名称相似度匹配数据: 先说说这个需求长啥样，如图，需求上要求根据客户名称去匹配数据库中的类似客户，

判断两组数据的相似度_大规模数据的相似度计算 Min Hashing 和 LSH: 在数据挖掘任务中都涉及了海量数据的相似度计算，例如检索文档的相似度，用户之间的相似度等。这些数据通常维度很高，用 one-hot 编码的文档数据维度等于字典的大小，在数据量大，数据维度高的情况下，计算对象两两...

文本匹配_全面梳理文本相似度/匹配-附代码-深度好文-不容错过: 微信公众号：NLP从入门到放弃本文涉及到的代码：...

英文文本相似度/文本推理/文本匹配数据集——SciTail: 英文文本相似度/文本推理/文本匹配数据集——SciTail

中文文本相似度匹配算法 simHash 海明距离 IK分词: 中文文本相似度匹配算法 simHash 海明距离 IK分词完整的可运行的示例代码包含simHash 算法，使用IK 对中文文本进行分词处理

中文文本相似度/文本推理/文本匹配数据集——OCNLI: 中文文本相似度/文本推理/文本匹配数据集——OCNLI

文章相似度匹配 NLP: 本篇基于TFIDF计算相似度 计算流程：获取文章数据；对文章数据进行预处理操作（分词及去除停用词）；创建词典；建立tfidf模型计算相似度 #原始数据【在文件中获取出来的，没有经过处理的文章内容】 with ...

余弦相似度 高维数据_大规模数据的相似度计算 Min Hashing 和 LSH: 在数据挖掘任务中都涉及了海量数据的相似度计算，例如检索文档的相似度，用户之间的相似度等。这些数据通常维度很高，用 one-hot 编码的文档数据维度等于字典的大小，在数据量大，数据维度高的情况下，计算对象两两...

中文文本相似度/文本推理/文本匹配数据集——LCQMC: 中文文本相似度/文本推理/文本匹配数据集——LCQMC

opencv 简单的图片相似度匹配: 1、各种图片读取的函数读取到的数据格式是 RGB 还是 BGR？使用 scipy.misc.imread 读取的图片数据是 RGB 格式；使用 cv2.imread 读取的图片数据是 BGR 格式；使用 PIL.Image.open 读取的图片数据是RGB格式；...

【python 走进NLP】标签别名语义相似度匹配算法: 标签别名语义相似度匹配算法： # -*- encoding=utf-8 -*- import pandas as pd import numpy as np import time time1=time.time() #定义一个标签有别名的合并函数 def combine_tag_name_alis(data1,data2): ...

语义相似度匹配（一）—— DSSM模型: 微软13年提出的计算文本相似度的深度学习模型，核心思想是将query和doc映射到到共同维度的语义空间中，通过最大化query和doc语义向量之间的余弦相似度，从而训练得到隐含语义模型，达到检索的目的。DSSM有很广泛的...

短文本 相似度 匹配记录贴: 基于特征迭代的短文去重算法simhash算法： 1、海量数据相似度计算之simhash和海明距离 2、simhash算法原理及实现 3、A Python Implementation of Simhash Algorithm 4、python-hashes 5、simhash 6、海量数据相似度...

文本匹配（语义相似度/行为相关性）技术综述: NLP 中，文本匹配技术，不像 MT、MRC、QA 等属于 end-to-end 型任务，通常以文本相似度计算、文本相关性计算的形式，在某应用系统中起核心支撑作用，比如搜索引擎、智能问答、知识检索、信息流推荐等。本篇将纵览...

中文文本相似度/文本推理/文本匹配数据集——CCKS2018: 中文文本相似度/文本推理/文本匹配数据集——CCKS2018

任务方案思考：句子相似度和匹配: 来自：CS的陋室0 小系列初衷自己接触的项目大都是初创，没开始多久的项目，从0到1的不少，2020年快结束，感觉这个具有一定个人特色的技术经验可以在和大家分享一下。计划篇章：（已完成）文...

中文文本相似度/文本推理/文本匹配数据集——XNLI: 中文文本相似度/文本推理/文本匹配数据集——XNLI

相关热词 c# 计算校验和 c# 视觉框架 c++调用c# ref 编写c#窗体程序 c# 代码卸载程序 c#单斜杠双斜杠 c#线程阻塞的方法 c#获取文件所在路径 c#mysql添加删除 c#里氏转换原则